TopoPrimer: 시계열 예측 모델에 결여된 위상학적 컨텍스트 보완

시계열 데이터의 전역적인 위상 구조를 예측 모델의 명시적 입력값으로 변환하는 TopoPrimer 프레임워크를 제안한다. 이 프레임워크는 다양한 도메인에서 예측 정확도를 향상시키고, 계절적 수요 급증 시에도 안정적인 예측을 유지하며, 데이터가 부족한 Cold-start 문제를 해결한다.

TopoPrimer는 Persistent Homology와 Spectral Sheaf Coordinates를 통해 도메인당 한 번만 사전 계산하면 된다. 모델 적용 방식은 두 가지로 나뉜다.

• Fully-trained models: 각 토큰(Token)마다 TopoPrimer를 배치하여 적용
• Pre-trained backbones: 가벼운 Adapter 형태로 적용

특히 Sheaf Coordinates는 예측 정확도를 높이는 핵심적인 요소로 작용하며, Chronos를 포함한 4개의 공개 벤치마크에서 성능을 입증했다.